基于双正交基字典学习的图像去噪方法

作者:解凯;张芬 刊名:计算机应用 上传者:顾晓庆

【摘要】为了提高图像去除白高斯噪声的性能,利用超完备字典作为图像的稀疏表示。超完备字典的冗余性可以有效地表示图像的各种几何奇异特征。在贝叶斯框架下,以图像块的稀疏表示定义了全局图像先验概率模型,给出了最大后验概率模型下的优化图像去噪算法。超完备字典使用两个不同的正交基构成,给出了基于奇异值分解(SVD)的优化字典计算方法。该方法充分利用正交基的特点,采用SVD方法进行高效的字典学习。基于双正交基字典的去噪算法提高了图像去噪性能,实验结果证实了所提方法的有效性。

全文阅读

收稿日期:2011 -09 -08; 修回日期:2011 -11 -28。 基金项目: 北京市属高等学校人才强教计划项目( PXM2010_014223_095557) 。 作者简介: 解凯( 1962 - ) ,男,天津人,教授,博士,CCF 会员,主要研究方向: 图像复原、超分辨率图像重建、信号稀疏表示; 张芬 ( 1988 - ) ,女,江西南昌人,硕士研究生,主要研究方向: 图像复原、信号稀疏表示。 文章编号:1001 -9081( 2012) 04 -1119 -03 doi:10. 3724/SP. J. 1087. 2012. 01119 基于双正交基字典学习的图像去噪方法 解 凯* ,张 芬 ( 北京印刷学院 信息与机电工程学院,北京 102600) ( * 通信作者电子邮箱 kaixiek@126. com) 摘 要: 为了提高图像去除白高斯噪声的性能,利用超完备字典作为图像的稀疏表示。超完备字典的冗余性可以有效地表示图像的各种几何奇异特征。在贝叶斯框架下,以图像块的稀疏表示定义了全局图像先验概率模型,给出了最大后验概率模型下的优化图像去噪算法。超完备字典使用两个不同的正交基构成,给出了基于奇异值分解( SVD) 的优化字典计算方法。该方法充分利用正交基的特点,采用 SVD 方法进行高效的字典学习。基于双正交基字典的去噪算法提高了图像去噪性能,实验结果证实了所提方法的有效性。 关键词: 图像去噪; 字典学习; 稀疏表示; 奇异值分解; 贝叶斯估计中图分类号: TN911. 73 文献标志码: A Image denoising method based on dictionary learning with union of two orthonormal bases XIE Kai * , ZHANG Fen ( School of Information and Mechanical Electronic Engineering, Beijing Institute of Graphic Communication, Beijing 102600, China) Abstract: Overcomplete dictionary was used to represent an image sparsely in order to improve image denoising performance. The sparse representation may represent efficiently the singular geometry of the images with the redundancy of over-complete dictionary. Global image prior model based on the sparse representation of image patches was presented in Bayesian framework. Then maximum a posteriori probability estimator for denoising image was constructed. The dictionary was composed of two orthonormal bases. A method based on singular value decomposition was used for dictionary learning

参考文献

引证文献

问答

我要提问